通过纵向数据驱动集群预测新诊断的帕金森病的认知和情感变化

科学领域:

• 神经科学是一个神经科学.
• 神经学 神经学
• 生物标志物研究 生物标志物研究

背景情况:

• 帕金森病 (PD) 主要是一种运动障碍,但诸如认知衰退和情感功能障碍等非运动症状显著影响生活质量.
• 在PD中影响这些非运动症状轨迹的因素尚未完全理解.
• 准确预测非运动性症状进展对于患者管理和治疗发展至关重要.

研究的目的:

• 在患有帕金森病的个体中,在5年内确定认知和情感功能的预测因子.
• 利用进步帕金森标志物倡议的数据来分析长期症状轨迹.
• 探索已确定的神经认知生物标志物在预测PD非运动结果中的实用性.

主要方法:

• 模糊的C-means集群被用于根据5年认知和情感功能对患者进行分组.
• 用基线数据分析了集群成员资格的预测因素,包括认知,情感和运动分数.
• 脑脊液 (CSF) 中的粉样β和酸化的水平被评估为潜在的生物标志物.
• 使用支向量回归模型来评估分类准确性.

主要成果:

• 两个不同的集群出现了,其中一个组 (n=96) 在5年的随访中表现出更老的年龄和更差的认知,情感和运动功能.
• 基线认知和情感功能,中枢神经液粉样β下降和中枢神经液酸化的增加显著预测了5年后的集群成员资格.
• 结合这些预测因素的机器学习模型,与单独的基线评估相比,将分类准确度提高了5%.

结论:

• 其他神经认知障碍的已知生物标志物,特别是粉样β和酸化,对于预测帕金森病的认知和情感轨迹非常有价值.
• 除了临床症状之外,预后标记的多模式面板可以告知PD认知和情感结果的预后.
• 这种方法可能有助于更早地为患有PD非运动障碍高风险的个体开发个性化干预措施.